先说结论

这是 All About AI 频道主（视频内口播产品名仍不稳定，转写作 SICK/SICT/SIKT，本系列此前报道均作 Sift Intelligence）的又一期产品开发日志，距上次"AI 预测股市第一周 7 输 3 赢净赚三千美元"的实验仅一周多。这次他发布两个新功能：Sift Past（把系统时钟拨回过去某个时刻，只允许读取该时刻之前封存的新闻页，每页带保存时间戳、“未来无法渗漏”）与 Sift Scenario（不押单一结果，而是枚举一件事可能发生的路径，尤其是新闻没在谈的那些）。他用两个案例做了演示：10 月 9 日特朗普-普京电话后的柴油协议，与 10 月 14 日的美国 CPI。结论很有意思也很诚实：机制可以被提前"画在图上"，但概率给不出来——柴油协议的真实机制四天前就出现在 10 条路径中的三条里，系统却只给 2-3%；CPI 头条分毫不差命中 3.7%，核心通胀的实际值 2.6% 却只分到 6% 概率。用他自己的话说：“一个案例不是证明，所以要跑更多。”

案例一：柴油协议能不能被看见

先交代事件本身（均为视频口述）：10 月 9 日特朗普与普京通话后宣布协议，俄罗斯立即向世界供应 30 万吨柴油；乌克兰方面称之为"给普京的礼物"；几乎没人预见。创作者把 Sift 的时钟拨回 10 月 5 日——通话前四天。当时的世界：柴油创纪录地达到每加仑 6.52 美元、中期选举还有四周、乌克兰无人机持续打击俄罗斯炼厂、而俄罗斯自己刚禁止了柴油出口。

Sift Scenario 生成了 10 条路径，其中三条事后被证明拼成了现实：路径三"俄罗斯放宽出口禁令、特朗普在通话后揽功"；路径四"制裁松绑换柴油"；路径八"美国财政部为俄罗斯柴油发放许可"。创作者的点评是：“提前四天，真实机制已经在地图上。“但逐条赋概率时，许可路径只拿到 2%——系统的推理是"俄罗斯已禁止柴油出口，无货可卖”，它看到的是一堵墙。于是他又回头找线索，四条在 10 月 5 日就存在：一，价格——9 月底克里姆林宫已放话"真正的问题是制裁，解除则燃油自流”；二，闸门——出口禁令是俄罗斯自己的选择，一夜之间可以关掉；三，先例——今年 3 月油价飙升时特朗普已放松过对俄油的制裁；四，痛感——创纪录柴油价、选举临近、乌克兰不顾其要求继续炸炼厂。缺的只是那通电话：周二特朗普说要为俄罗斯一例疑似疫情病例（转写如此）致电普京，而 Sift 的资料库直到周五成交当天才捕捉到完整故事。所以即使通话前夜，系统也只给约 3%。最终现实是"俄罗斯解除禁令 + 美国财政部发放 6 个月俄罗斯柴油许可"——10 条路径中三条的组合。

这一段最值得记住的不是"AI 预测到了"，而是作者对工具定位的表述：Sift Past 的用途是把每次意外变成教材——事后回到确切时刻，问"答案是不是已经在那里、我们为什么没看见"；任意重放、在几天而非几个月里对历史事件测试新想法，且无未来信息泄漏。Sift Scenario 负责向前看：为任何问题画出新闻缺失的路径与该盯的信号，“信号出现时，预测可以提前移动”。他的口号式总结：“过去负责教，地图负责看。”

案例二：CPI 回测——命中头条、错过核心、二阶方向正确

第二个演示是完整的操作流程。时钟拨回 10 月 14 日午夜（CPI 公布前），选 Opus 5.5 作为推理模型，让它在只含 10 月 13 日及更早时间戳来源的语料上做预测。结果：头条 CPI 同比给 3.7%，实际就是 3.7%，正中；核心通胀给 2.4-2.5%，实际 2.6%，而实际值只被分配了 6% 概率。作者坦白：“我们没看见这个。这不是我的预测工具，这是回到过去的工具。“接着他做了一个更聪明的二阶实验：在"过去"里问 Opus——如果核心 2.6、头条 3.7 落地，10 月 14 日收盘的标普 500 会怎样？回答是"预计收跌约 1%"；实际当天收跌 1.11%。“如果这能事前算出来，就可以开空单——当然，这一切都是回顾性的。”

Scenario 在同一事件上的表现更微妙：它用 4 分钟（创作者称全部语料已用嵌入模型向量化）生成 10 条反应路径，其中最有意思的一条是"温和的 CPI 上行意外触发标普远超 1% 的下跌、VIX 冲上 20”——该路径只给 6% 概率，但与实际走势相当接近（当天跌逾 1%、VIX 一度冲到约 17 而非 20）。全部路径中置信度最高的也只有 22%。创作者的复盘：路径找得不错，但"模型对路径的置信度校准还要继续做”。

这套东西的真价值与边界

剥掉演示的炫技成分，这个产品在做一件方法论上很正经的事：用"逐页时间戳封存"的语料给 LLM 建一个无污染的回测环境。这恰好回应了当前评测的两个通病——模型训练时早已见过历史事件（后见之明污染），以及事后叙事总能让一切显得可预见。Sift Past 把"事后诸葛"变成了可重放的受控实验：换模型、换提示词、换信号集，在同一个历史时刻上跑 A/B。对研究者，这是判断"哪个模型在真实信息约束下判断力更强"的场地；对交易者，这是作者明说的方向——他正在 Kalshi 与 Polymarket 上（转写作 Calshape）把回测转成真实下注，并逐步开放候补名额（SICTintelligence.com，他自述仍是早期 alpha）。

边界同样清楚，而且大多由作者自己标出：单个案例不构成证据；机制进入路径图不等于概率给得足（柴油协议 2-3%、VIX 路径 6%，都是"看见但不信"）；核心通胀这种依赖内部数据节奏的数字，新闻语料天然缺信息。对普通读者的可迁移启发大概是三条：其一，做任何"AI 能否预测 X"的判断前，先问信息集是否封存于事前，否则结论无效；其二，预测的价值常在二阶问题（“若 A 发生，B 如何反应”）而非一阶数字本身——CPI 案例里命中方向的是二阶；其三，长尾路径的低概率不等于无价值，它给出的是"该盯什么信号"的清单。作者预告下一步是把 Past 与 Scenario 合并成"在过去回测未来"的闭环，并继续做中期选举预测——按他自己立下的规矩，样本会说明一切。

（注：产品名 SICK/SICT/SIKT/Sift、疑似疫情病例、Calshape/Kalshi、路径四"budget book"等均为转写整理，可能与官方拼写有出入；事件细节与数字均为视频口述，未经独立查证。）